制限付きボルツマンマシンとは、可視層と隠れ層の間の結合に制限を持たせた確率的生成モデルです。ディープラーニングの発展に大きな影響を与え、次元削減や特徴量抽出、事前学習などに活用されてきました。
制限付きボルツマンマシンとは
制限付きボルツマンマシンとは、層内のニューロン同士が結合を持たない、二部グラフ構造を持つ確率的なニューラルネットワークモデルのことです。
詳しく解説
制限付きボルツマンマシン（RBM）は、ボルツマンマシンの構造を単純化し、層間の結合のみを許すことで学習を効率化したモデルです。エネルギー関数に基づいて確率分布を定義し、可視変数と隠れ変数の同時確率を最大化するようにパラメータを調整します。ディープラーニングの黎明期において、多層パーセプトロンの重みを適切に初期化するための事前学習手法として広く用いられ、深層学習ブームの再燃に貢献しました。
具体例・使われ方
具体的な利用例として、映画や商品の購買履歴などの推薦システムにおける協調フィルタリングや、画像の次元削減およびノイズ除去があります。また、オートエンコーダーの事前学習としても応用されてきました。
似た用語との違い
通常のボルツマンマシンが層内結合を含む全結合構造であるのに対し、制限付きボルツマンマシンは層内の結合を持たない「制限」がある点が最大の違いです。これにより計算量が大幅に削減されています。
注意点
学習に必要な計算コストが高く、より強力で効率的なディープラーニングの最適化手法や生成モデルが登場した現在では、実務で直接使われる機会は減少しています。
この解説は役に立ちましたか？誤りが含まれる場合はご報告いただけますと幸いです。
更新日時: 2026年9月12日 06:01